报告题目：《图自监督学习》

演讲摘要：图自监督学习旨在在无标签场景下学习图数据的表征，已成为目前学术界与工业界处理图数据的重要手段之一，其关键技术包括了图数据增广、增广图学习、对比损失优化等。然而深究其背后的机理，若干基本问题依然尚未被完全解答：到底什么才是好的增广图？不同的图增广策略背后，是否有同样的“游戏规则”？图对比学习最后学到了图中的什么信息？Graph Transformer作为一种典型的图学习模型，全局注意力机制真的就是最优的吗？本次报告围绕以上问题展开了初步思考与反思，为我们审视与改进现有图学习技术带来新的视角。

讲者简介：王啸，北京航空航天大学教授，博士生导师。研究方向为数据挖掘与机器学习，主持国家自然科学优秀青年基金等项目。共发表论文100余篇，谷歌学术引用13000余次，7篇入选最有影响力论文榜单，3次获得(提名)CCF A/B类等国际会议论文奖，成果多次被写入业界图学习标准库PyG和DGL等。曾获得国家自然科学二等奖，教育部自然科学一等奖，中国电子学会科技进步一等奖，中国人工智能学会吴文俊人工智能优秀青年奖，ACM中国新星提名奖，连续入选全球Top 2%顶尖科学家榜单并获得AI2000最具影响力学者Honorable mention。担任WWW/AAAI高级程序委员会委员，IEEE TAI期刊编委。担任CCF青工委主任助理，CCF大数据专委会执行委员，CCFAI专委会执行委员，中文信息学会SMP专委会委员等。